188. 买卖股票的最佳时机 IV
给定一个整数数组 prices ,它的第 i 个元素 prices[i] 是一支给定的股票在第 i 天的价格。
设计一个算法来计算你所能获取的最大利润。你最多可以完成 k 笔交易。
注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。
示例 1:
输入:k = 2, prices = [2,4,1]
输出:2
解释:在第 1 天 (股票价格 = 2) 的时候买入,在第 2 天 (股票价格 = 4) 的时候卖出,这笔交易所能获得利润 = 4-2 = 2 。
示例 2:
输入:k = 2, prices = [3,2,6,5,0,3]
输出:7
解释:在第 2 天 (股票价格 = 2) 的时候买入,在第 3 天 (股票价格 = 6) 的时候卖出, 这笔交易所能获得利润 = 6-2 = 4 。
随后,在第 5 天 (股票价格 = 0) 的时候买入,在第 6 天 (股票价格 = 3) 的时候卖出, 这笔交易所能获得利润 = 3-0 = 3 。
提示:
0 <= k <= 100
0 <= prices.length <= 1000
0 <= prices[i] <= 1000
| 思路:动态规划 |
- 状态定义:
dp[i][j][k]表示到下标i这一天结束,持股状态为j,卖出次数为k时的利润;j = 0表示不持股,j = 1表示当前持股;- 状态转移:
dp[i][0][k] = dp[i - 1][0][k]k == 0dp[i][0][k] = max(dp[i -1][0][k],dp[i - 1][1][k - 1] + prices[i]);k > 0dp[i][1][k] = max(dp[i - 1][1][k],dp[i - 1][0][k] - prices[i]);k > 0- 初始化:
dp[0][0][k] = 0;dp[0][1][k] = -prices[0];
注意:我们假设卖出股票时为1次交易次数
int dp[1005][2][105];
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
int n = prices.size();
if(n < 2) return 0;
memset(dp,0,sizeof dp);
for(int j = 0; j <= k; j++){
dp[0][0][j] = 0;
dp[0][1][j] = -prices[0];
}
int ans = 0;
for(int i = 1; i < n; i++){
for(int j = 0; j <= k;j++){
if(j == 0){
dp[i][0][j] = dp[i - 1][0][j];
}
else{
dp[i][0][j] = max(dp[i - 1][0][j],dp[i - 1][1][j - 1] + prices[i]);
}
dp[i][1][j] = max(dp[i - 1][1][j],dp[i - 1][0][j] - prices[i]);
}
}
return dp[n - 1][0][k];
}
};
空间优化
int dp[2][105];
class Solution {
public:
int maxProfit(int k, vector<int>& prices) {
int n = prices.size();
if(n < 2) return 0;
memset(dp,0,sizeof dp);
for(int j = 0; j <= k; j++){
dp[0][j] = 0;
dp[1][j] = -prices[0];
}
int ans = 0;
for(int i = 1; i < n; i++){
for(int j = 0; j <= k;j++){
if(j == 0){
dp[0][j] = dp[0][j];
}
else{
dp[0][j] = max(dp[0][j],dp[1][j - 1] + prices[i]);
}
dp[1][j] = max(dp[1][j],dp[0][j] - prices[i]);
}
}
return dp[0][k];
}
};

本文介绍如何使用动态规划算法解决股票买卖问题,针对给定的股票价格数组,探讨在限制交易次数k的情况下,最大化投资收益的方法。通过实例和代码展示如何计算最大利润,并提供了两种空间优化版本。
2009

被折叠的 条评论
为什么被折叠?



